Vision LLMs: text and image input

Models that accept images as well as text.

68 models · Open in the catalogue filter

• Blip2 Flan T5 Xl — Salesforce · 3.9B · mit
• Blip2 Opt 2.7B — Salesforce · 3.7B · mit
• Command A+ (05-2026) — Cohere · 218.75B · 128K · apache-2.0
• DeepSeek OCR — DeepSeek · 3.3B · mit
• DeepSeek OCR 2 — DeepSeek · 3.4B · apache-2.0
• DeepSeek V4.1 Flash — DeepSeek · 763.2B · mit
• Diffusiongemma 26B A4B It — Google DeepMind · 25.8B · apache-2.0
• ERNIE 4.5 VL 28B-A3B — Baidu · 29.4B · apache-2.0
• Florence 2 Base Ft — Microsoft · 0.2B · mit
• Florence 2 Large Ft — Microsoft · 0.8B · mit
• Gemma 3 12B It — Google DeepMind · 12.2B · gemma
• Gemma 3 27B It — Google DeepMind · 27.4B · gemma
• Gemma 3 4B It — Google DeepMind · 4.3B · gemma
• Gemma 4 12B It — Google DeepMind · 12B · apache-2.0
• Gemma 4 26B A4B IT — Google DeepMind · 25.81B · 256K · apache-2.0
• Gemma 4 31B — Google DeepMind · 32.7B · apache-2.0
• Gemma 4 31B IT — Google DeepMind · 31.27B · 256K · apache-2.0
• Gemma 4 E2B It — Google DeepMind · 5.1B · apache-2.0
• Gemma 4 E4B IT — Google DeepMind · 8B · 128K · apache-2.0
• GLM 4.1V 9B Thinking — Z.ai (Zhipu AI) · 10.3B · mit
• GLM 4.5V — Z.ai (Zhipu AI) · 107.7B · mit
• GLM 4.6V Flash — Z.ai (Zhipu AI) · 10.3B · mit
• GLM 5.3 Flash — Z.ai (Zhipu AI) · 321.3B · mit
• GLM-OCR — Z.ai (Zhipu AI) · 1.33B · 128K · mit
• Granite 4.0 3B Vision — IBM · 4B · apache-2.0
• Granite Docling 258M — IBM · 0.3B · apache-2.0
• Granite Vision 4.1 4B — IBM · 4B · apache-2.0
• HunyuanOCR — Tencent · 1.1B · other
• Instructblip Flan T5 Xl — Salesforce · 4B · mit
• Instructblip Vicuna 7B — Salesforce · 7.9B · other
• Intern-S1 — Shanghai AI Laboratory · 240.7B · apache-2.0
• Intern-S1 Mini — Shanghai AI Laboratory · 8.5B · apache-2.0
• Kimi K2.5 — Moonshot AI · 1026.9B · other
• Kimi K2.6 — Moonshot AI · 1026.9B · other
• Kimi K2.7 Code — Moonshot AI · 1026.9B · other
• Kimi K3 — Moonshot AI · 2779.9B · other
• Kimi VL A3B Instruct — Moonshot AI · 16.4B · mit
• Llama 3.2 11B Vision Instruct — Meta · 10.7B · llama3.2
• Llama 4 Maverick 17B-128E Instruct — Meta · 401.58B · 1024K · other
• Llama 4 Scout 17B-16E Instruct — Meta · 108.64B · 10240K · other
• Llama Guard 4 12B — Meta · 12B · other
• Magistral Small 1.2 — Mistral AI · 24.01B · 128K · apache-2.0
• Medgemma 4B It — Google DeepMind · 4.3B · other
• MiniMax M3 — MiniMax · 427B · other
• Ministral 3 8B — Mistral AI · 8.92B · 256K · apache-2.0
• Mistral Large 3 (675B) — Mistral AI · 675B · 256K · apache-2.0
• Mistral Small 4 (119B-A6B) — Mistral AI · 119.4B · 256K · apache-2.0
• Molmo 7B D 0924 — Allen Institute for AI (Ai2) · 8B · apache-2.0
• Molmo2 4B — Allen Institute for AI (Ai2) · 4.9B · apache-2.0
• Molmo2 8B — Allen Institute for AI (Ai2) · 8.7B · apache-2.0
• North Micro Vision Instruct — Cohere · 2.5B · apache-2.0
• NVIDIA Cosmos Reason2 2B — NVIDIA · 2.4B · other
• NVIDIA Nemotron 3 Nano Omni 30B-A3B Reasoning — NVIDIA · 33B · other
• OlmOCR 2 7B 1025 — Allen Institute for AI (Ai2) · 8.3B · apache-2.0
• OlmOCR 7B 0225 Preview — Allen Institute for AI (Ai2) · 8.3B · apache-2.0
• Phi 3.5 Vision Instruct — Microsoft · 4.1B · mit
• Phi-4-multimodal-instruct — Microsoft · 5.57B · 128K · mit
• Pixtral 12B — Mistral AI · 12B · 128K · apache-2.0
• Qianfan OCR — Baidu · 4.7B · apache-2.0
• Qwen2.5 VL 7B Instruct — Alibaba Qwen · 8.3B · apache-2.0
• Qwen3 VL 4B Instruct — Alibaba Qwen · 4.4B · apache-2.0
• Qwen3-VL-8B-Instruct — Alibaba Qwen · 8.77B · 256K · apache-2.0
• Qwen3.5 2B — Alibaba Qwen · 2.3B · apache-2.0
• Qwen3.5 4B — Alibaba Qwen · 4.7B · apache-2.0
• Qwen3.5 9B — Alibaba Qwen · 9.7B · apache-2.0
• Qwen3.6 35B A3B — Alibaba Qwen · 36B · apache-2.0
• Qwen3.8-27B — Alibaba Qwen · 27.78B · 256K · apache-2.0
• Unlimited OCR — Baidu · 3.3B · mit

open-weights · eu-builders · german · french · long-context · coding · rag · audio · apache-2 · self-hostable · catalogue-only